数据科学家是所有企业的重要组成部分，他们将自己独特的技能应用于复杂的挑战和混乱的数据集，并将数据转化为公司至关重要的战略见解。

在接下来的10年里，随着越来越多的公司依靠数据科学来获得竞争优势，市场对数据科学家的需求会只增不减。

虽然许多数据科学家都选择就职于某个企业全职工作，但也有许多人是自由职业者或承包商。自由职业者的生活方式拥有高度的灵活性，他们可以按照自己的时间表提高现有的技能，并与各种有趣的客户合作。但是，成为一名自由数据科学家需要怎么做呢？

学习适当的数据科学家技能

在开始自由数据科学家的生活之前，你必须考虑几个因素，包括技术技能、商业头脑和软技能（如沟通和同理心）。Lightcast收集并分析了来自全国各地数以百万计的招聘信息，数据显示，经常出现的数据科学家技能包括：

• 统计(即统计分析)
• 数据处理
• 数据可视化
• 数据存储
• 编程语言(Python、R等)
• 机器学习
• 人工智能

正如我们之前所介绍的，有许多数据科学家从其他角色跳到这个位置，包括（但肯定不限于）经济学家、数学家、软件开发人员和金融分析师。这些工作中的许多都使用分析和软技能，这些技能很容易转移到数据科学环境中。

提升你的个人背景来吸引客户

市场对数据科学家的需求很大，这意味着如果你能证明自己的能力，你就有很好的机会获得可靠的工作。HackerRank首席执行官Vivek Ravisankar表示：“随着求职市场对精通人工智能和机器学习等学科的人才需求不断增加，数据科学越来越受欢迎也就不足为奇了。”

对于想要探索自由职业的数据科学家来说，拥有良好的沟通和网络技能是至关重要的——这些对于任何想要管理和建立自己的业务的人来说都是至关重要的。Ravisankar补充道：“我还认为，强大的解决问题的能力对任何数据科学家来说都是必不可少的，适应性也很重要，因为作为一个独立的承包商，环境可能会更频繁地变化。”

Robert Half技术实践组执行董事Ryan Sutton也认为，沟通技巧对任何自由数据科学家来说都至关重要。这个行业的专家必须将复杂的概念传达给各种各样的利益相关者，包括那些没有任何技术或数据背景的人，这意味着能够用简单的英语解释你的价值主张和方法是很重要的。

Sutton说：“你必须能够有效而简洁地传达你的概念、你的发现，并融入客户的反馈。”“当你开始从这些数据中发现一些趋势时，你需要参与并倾听他们告诉你的事情。”

作为一名数据科学家，提升个人水平的一个好方法是参与Kaggle等竞争网站。“数据科学家应该不断磨练许多技能，”Ravisankar表示赞同。说到编程语言，精通Python和SQL是必不可少的，因为它们是数据科学中使用最广泛的语言。我们看到其他语言，比如R语言，在受欢迎程度上有所下降。但这仍然取决于个人雇主或项目。”

掌握数据可视化工具(如Tableau)同样至关重要，因为你将使用这些工具向利益相关者传达你的发现，你还需要一些通过PyTorch等工具构建机器学习模型的知识。

由于许多公司依赖亚马逊网络服务(AWS)和Azure等云平台来管理和存储数据，因此熟悉这些平台也是必须的。

一旦你学会了必要的技能，你就应该把它们整合到你的数据科学家简历中，这将是你申请岗位的关键部分。你还应该更新你的在线简介和你的专业网站，以反映你的新技能。

建立在早期客户成功的基础上

Sutton指出，对于渴望各种挑战的数据科学家来说，参与的多样性和环境的多样性可能是一个真正的福音。“那是你的事业，”他强调。“这种自由和扩大的可能性无疑是吸引许多数据科学家的因素。”

美国计算机行业协会(CompTIA)负责学习项目的高级副总裁Kenneth Sardoni曾是一名自由数据科学家。他说，公司通常会让你参与一个非常具体的问题，然后让你参与两到三周的工作。

他表示：“他们想要的是提高参与度的解决方案，但他们也在测试你的技能有多好。”“我被一家大型营销公司聘用，参加了为期两周的活动，我表现得非常出色。然后我被邀请重新设计他们的数据仓库——一个20个月的项目。”

如果是新客户，数据科学家可能会有一段测试期，雇主会对他们的工作进行评估。“这也与技术无关，至少以我的经验来看，”Sardoni说。“他们想知道你是否了解业务，是否能够识别业务需求，然后应用技术来解决问题。”

一旦你展示了你的能力，你的客户很可能会给你额外的工作和机会。如果你做得很好，你也可以依靠这些客户作为你建立客户基础的参考。

Sardoni还建议参加数据科学会议来建立联系并学习如何改善你的业务：“对于自由职业者来说，这是建立关系网的好机会，特别是如果他们可以参加会议的小组讨论，或者他们可以在会议上发言，然后他们就会让人们对他们感兴趣。”

Sutton指出，他曾见过一些自由职业数据科学家如此迷恋客户，以至于最终成为公司的永久员工。否则，建立一个稳固的客户名单和回头客是必不可少的。随着你获得客户，你可能还会感到有必要进一步专攻数据科学的某个特定方面。Sutton解释说：“他们可能会决定成为网络分析专家，并与小公司合作，专注于基于项目的角色，在特定领域为公司提供几个月的帮助。”

保持现状，提前计划

Ravisankar预测，自由数据科学家的就业市场需求将会增加，尤其是那些专攻机器学习和人工智能的人：“越来越多的企业将寻求基于项目的专业知识，尤其是当商界意识到生成式人工智能所带来的所有新可能性时。”

他建议那些想成为自由数据科学家的人投资于持续学习和技能发展。“及时了解最新的工具、技术和行业趋势，以保持在市场上的竞争力。”

Sutton说，走上自由职业的道路还需要一种不同的心态。你必须更像企业一样思考。他说：“你必须认真考虑这一点，并确保你的生活方式能够支持这种转变。”“确保你在做一个明智的决定，把所有的事情都考虑进去。你必须考虑到现金流，这样你才能为成功做好准备。”

作者：Nathan Eddy